For hvert år, der går, opdages flere og flere ekstrasolplaneter. For at gøre tingene mere interessante, giver forbedringer i metodologi og teknologi mulighed for opdagelse af flere planeter inden for individuelle systemer. Overvej den nylige meddelelse om en syv-planet system omkring den røde dværgstjerne kendt som TRAPPIST-1. På det tidspunkt etablerede denne opdagelse rekorden for de fleste exoplaneter, der kredsede om en enkelt stjerne.
Nå, gå over TRAPPIST-1! Takket være Kepler rumteleskop og maskinlæring, et hold fra Google AI og Harvard-Smithsonian Center of Astrophysics (CfA) opdagede for nylig en ottende planet i det fjerne stjernesystem af Kepler-90. Kendt som Kepler -90i, blev opdagelsen af denne planet muliggjort takket være Googles algoritmer, der opdagede bevis på et svagt transitsignal i Kepler-missionsdataene.
Undersøgelsen, der beskriver deres resultater, titlen 'Identifikation af exoplaneter med dyb læring: En fem planeters resonanskæde omkring Kepler-80 og en otte planeter omkring Kepler-90 ', for nylig dukket op online og er blevet accepteret til offentliggørelse iDet astronomiske tidsskrift. Forskerholdet bestod af Christopher Shallue fra Google AI og Andrew Vanderburg fra University of Texas og CfA.
Vores solsystem er nu bundet til det meste antal planeter omkring en enkelt stjerne, med den nylige opdagelse af en ottende planet, der kredser om Kepler-90, en sollignende stjerne 2.545 lysår fra Jorden. Planeten blev opdaget i data fra NASAs Kepler-rumteleskop. Kreditering: NASA
Kepler-90, en sollignende stjerne, er placeret omkring 2.545 lysår fra Jorden i stjernebilledet Draco . Som nævnt havde tidligere undersøgelser indikeret eksistensen af syv planeter omkring stjernen, en kombination af terrestriske (aka. klippefyldte) planeter og gasgiganter. Men efter at have brugt en Google-algoritme oprettet til at søge gennem Kepler-data, bekræftede forskerholdet, at signalet fra en anden tættere kredsende planet lurede i dataene.
Kepler-missionen er afhængig af Transitmetode (aka. Transit Photometry) for at skelne tilstedeværelsen af planeter omkring lysere stjerner. Dette består i at observere stjerner for periodiske fald i lysstyrke, som er en indikation af, at en planet passerer foran stjernen (dvs. passerer) i forhold til observatøren. Af hensyn til deres undersøgelse trænede Shallue og Vanderburg en computer til at læse lyskurver optaget af Kepler og bestemme tilstedeværelsen af transitter.
Dette kunstige 'neurale netværk' silede gennem Kepler-data og fandt svage transitsignaler, der indikerede tilstedeværelsen af en tidligere savnet planet omkring Kepler-90. Denne opdagelse indikerede ikke kun, at dette system meget ligner vores eget, det bekræfter også værdien af at bruge kunstig intelligens til at mine arkivdata. Mens maskinlæring er blevet brugt til at søge Kepler-data før, viser denne forskning, at selv de svageste signaler nu kan skelnes.
Som Paul Hertz, direktør for NASAs Astrophysics Division i Washington, sagde i en nylig NASA pressemeddelelse :
'Ligesom vi forventede, er der spændende opdagelser, der lurer i vores arkiverede Kepler-data, og venter på det rigtige værktøj eller den rigtige teknologi til at afsløre dem. Denne konstatering viser, at vores data vil være en skattekiste, der er tilgængelig for innovative forskere i de kommende år.'
Denne nyopdagede planet, kendt som Kepler-90i, er en klippeplanet, der i størrelse kan sammenlignes med Jorden (1,32 ± 0,21 jordradier), der kredser om sin stjerne med en periode på 14,4 dage. På grund af dens nærhed til sin stjerne, menes denne planet at opleve ekstreme temperaturer på 709 K (436 °C; 817 °F) - hvilket gør den varmere end Merkurs daghøjde på 700 K (427 °C; 800 °F).
Som senior softwareingeniør hos Googles forskningsteam Google AI , Shallue kom op med ideen om at anvende et neuralt netværk til Kepler-data efter at have lært, at astronomi (ligesom andre grene af videnskaben) hurtigt er ved at blive et 'big data'-problem. Efterhånden som teknologien til dataindsamling bliver mere avanceret, oplever forskere, at de bliver oversvømmet med datasæt af stadigt stigende størrelse og kompleksitet. Som Shallue forklarede:
“I min fritid begyndte jeg at google efter at ’finde exoplaneter med store datasæt’ og fandt ud af Kepler-missionen og det enorme datasæt, der er til rådighed. Maskinlæring skinner virkelig i situationer, hvor der er så meget data, at mennesker ikke selv kan søge efter det.'
Kepler-missionen akkumulerede i sine første fire år i drift et datasæt, der bestod af 35.000 mulige planetariske transitsignaler. Tidligere blev automatiserede test og nogle gange visuelle inspektioner brugt til at verificere de mest lovende signaler i dataene. Men de svageste signaler blev ofte savnet med disse metoder, hvilket efterlod snesevis eller endda hundredvis af planeter uden at blive redegjort for.
Diagram, der sammenligner Kepler-90-systemet (venstre) med solsystemet (højre). Kredit: NASA/Ames Research Center/Wendy Stenzel
For at forbedre dette gik Shallue sammen med Andrew Vanderburgh – en National Science Foundation Graduate Research Fellow og NASA Sagan Fellow – for at se, om maskinlæring kunne udvinde dataene og skrue op for flere signaler. Det første trin bestod i at træne et neuralt netværk til at identificere transiterende exoplaneter ved hjælp af et sæt af 15.000 tidligere kontrollerede signaler fra Kepler exoplanet katalog .
I testsættet identificerede det neurale netværk korrekt sande planeter og falske positiver med en nøjagtighed på 96 %. Efter at have demonstreret, at det kunne genkende transitsignaler, instruerede holdet derefter deres neurale netværk til at søge efter svagere signaler i 670 stjernesystemer, der allerede havde flere kendte planeter. Disse omfattede Kepler-80, som havde fem tidligere kendte planeter, og Kepler-90, som havde syv. Som Vanderburg antydede:
'Vi fik masser af falske positiver om planeter, men også potentielt mere rigtige planeter. Det er som at sigte gennem sten for at finde juveler. Hvis du har en finere sigte, vil du fange flere sten, men du kan også fange flere juveler.'
Den sjette planet i Kepler-80 er kendt som Kepler-80g, en planet på størrelse med Jorden, der er i en resonanskæde med sine fem naboplaneter. Dette sker, når planeter låses af deres gensidige tyngdekraft i et ekstremt stabilt system, der ligner hvad TRAPPIST-1s syv planeter oplever. Kepler-90i er på den anden side en planet på størrelse med Jorden, der oplever Merkur-lignende forhold og kredsløb uden for 90b og 90c.
NASAs Kepler-rumteleskop var den første agenturmission, der var i stand til at opdage planeter på størrelse med jorden. Kredit: NASA/Wendy Stenzel
I fremtiden planlægger Shallue og Vanderburg at anvende deres neurale netværk til Keplers fulde arkiv med mere end 150.000 stjerner. Inden for dette massive datasæt lurer der sandsynligvis mange flere planeter, og de citerer muligvis inden for multiplanetariske systemer, der allerede er blevet undersøgt. I denne henseende har Kepler-missionen (som allerede har været uvurderlig for exoplanetforskning) vist, at den har meget mere at byde på.
Som Jessie Dotson, Keplers projektforsker ved NASAs Ames Research Center, sagde det:
'Disse resultater viser den vedvarende værdi af Keplers mission. Nye måder at se på dataene - såsom denne tidlige forskning til at anvende maskinlæringsalgoritmer - lover at fortsætte med at give betydelige fremskridt i vores forståelse af planetsystemer omkring andre stjerner. Jeg er sikker på, at der er flere førstepladser i dataene, der venter på, at folk finder dem.'
Naturligvis er det faktum, at en sollignende stjerne nu er kendt for at have et system på otte planeter (som vores solsystem), der er dem, der spekulerer på, om dette system kunne være et godt bud på at finde udenjordisk liv. Men før nogen bliver for ophidsede, er det værd at bemærke, at Kepler-90'erne planeter alle kredser ret tæt på stjernen. Det er den yderste planet, Kepler-90h, kredser i samme afstand til sin stjerne, som Jorden gør til Solen.
Opdagelsen af en ottende planet omkring en anden stjerne betyder også, at der er et system derude, der konkurrerer med solsystemet i det samlede antal planeter. Måske er det på tide, at vi genovervejer IAU-beslutning fra 2006 – du ved, den, hvor Pluto blev 'degraderet'? Og mens vi er i gang, burde vi måske gå hurtigt Ceres , Eris , Haumea , Vil gerne have , Sedna og resten for planethood. Ellers, hvordan planlægger vi ellers at bevare vores rekord?
I fremtiden vil lignende maskinlæringsprocesser sandsynligvis blive anvendt til næste generations exoplanetjagtmissioner, som f. Transiterende Exoplanet Survey Satellite (TESS) og James Webb rumteleskop (JWST). Disse missioner er planlagt til at starte i henholdsvis 2018 og 2019. Og i mellemtiden vil der helt sikkert komme mange flere åbenbaringer fra Kepler!
